OPencv尺寸测量函数

时间: 2024-09-30 09:08:01 浏览: 36

Python OpenCV实现测量图片物体宽度

5星 · 资源好评率100%

根据提供的标题、描述、标签及部分内容，本文将详细介绍如何利用Python与OpenCV库来测量图像中物体的宽度。本文不仅会提供详细的步骤说明，还会解释关键函数与算法的工作原理，帮助读者更好地理解整个过程。 ### Python OpenCV 实现测量图片物体宽度 #### 一、背景与目标在计算机视觉领域，经常需要对图像中的物体进行测量，如宽度、高度等。这些测量对于自动化检测系统至关重要，可以帮助我们评估物体的大小、形状等特征。本文将详细介绍如何使用Python编程语言结合OpenCV库来测量图像中物体的宽度。 #### 二、准备工作在开始之前，请确保安装了以下软件包： - **Python**：建议使用Python 3.x版本。 - **OpenCV**：可通过pip安装，命令为`pip install opencv-python`。 - **NumPy**：处理数组和矩阵的基础库，可通过`pip install numpy`安装。 - **Pillow**：用于处理图像的库，可通过`pip install Pillow`安装。 #### 三、关键技术点 ##### 1. 图像预处理为了准确测量图像中物体的宽度，首先需要对原始图像进行预处理。这通常包括以下步骤： - **读取图像**：使用`cv2.imread()`函数读取图像文件。 - **灰度转换**：将彩色图像转换为灰度图像，使用`cv2.cvtColor()`函数。 - **二值化处理**：使用阈值操作将灰度图像转换为黑白二值图像，便于后续轮廓检测。常用的阈值操作有`cv2.threshold()`。 ##### 2. 图像反色某些情况下，原始图像可能不适合直接进行轮廓检测。此时，可以通过反色操作使主体更加突出。使用`PointInvert()`函数实现此功能，其原理是将每个像素点的值取反（255减去当前值）。 ```python def PointInvert(img): height, width = img.shape for i in range(height): for j in range(width): pi = img[i, j] img[i, j] = 255 - pi return img ``` ##### 3. 边缘检测边缘检测是提取图像中物体边界的关键步骤。这里使用Canny边缘检测算法，该算法能够有效提取清晰的边缘。Canny边缘检测涉及到两个阈值，较低的阈值用于检测弱边缘，较高的阈值用于检测强边缘。`cv2.Canny()`函数可以完成这一任务。 ```python edges = cv2.Canny(th, 30, 70) ``` ##### 4. 轮廓检测得到边缘图像后，下一步是找到图像中的轮廓。OpenCV提供了`cv2.findContours()`函数来实现这一功能。该函数返回轮廓列表以及轮廓之间的层级关系。 ```python contours, hierarchy = cv2.findContours(th, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) ``` ##### 5. 计算宽度找到轮廓后，可以使用`cv2.boundingRect()`函数计算轮廓的边界矩形，从而获得宽度信息。该函数返回矩形的左上角坐标(x, y)以及宽度(w)和高度(h)。 ```python cnt = contours[0] # 取出轮廓 x, y, w, h = cv2.boundingRect(cnt) # 用一个矩形将轮廓包围 ``` ##### 6. 绘制结果最后一步是在图像中标注出宽度值。这可以通过在图像上绘制文本和线条来实现。 ```python def ImgText_CN(img, text, left, top, textColor=(0, 255, 0), textSize=20): if isinstance(img, np.ndarray): # 判断是否为OpenCV图片类型 img = Image.fromarray(cv2.cvtColor(img, cv2.COLOR_BGR2RGB)) draw = ImageDraw.Draw(img) fontText = ImageFont.truetype(r'C:\Windows\Fonts\simsun.ttc', textSize, encoding="utf-8") # 中文字体 draw.text((left, top), text, textColor, font=fontText) # 写文字 return cv2.cvtColor(np.asarray(img), cv2.COLOR_RGB2BGR) # 显示宽度 img_gray = cv2.cvtColor(res, cv2.COLOR_GRAY2BGR) # 将灰度转化为彩色图片方便画图 cv2.line(img_gray, (x, y), (x + w, y), (0, 0, 255), 2, 5) # 上边缘 cv2.line(img_gray, (x, y + h), (x + w, y + h), (0, 0, 255), 2, 5) # 下边缘 img1[80:230, 90:230] = img_gray # 用带有上下轮廓的图替换掉原图的对应部分 ``` #### 四、完整代码实现完整的Python代码示例如下： ```python import cv2 import numpy as np from PIL import Image, ImageDraw, ImageFont # 用于给图片添加中文字符 def ImgText_CN(img, text, left, top, textColor=(0, 255, 0), textSize=20): if isinstance(img, np.ndarray): # 判断是否为OpenCV图片类型 img = Image.fromarray(cv2.cvtColor(img, cv2.COLOR_BGR2RGB)) draw = ImageDraw.Draw(img) fontText = ImageFont.truetype(r'C:\Windows\Fonts\simsun.ttc', textSize, encoding="utf-8") # 中文字体 draw.text((left, top), text, textColor, font=fontText) # 写文字 return cv2.cvtColor(np.asarray(img), cv2.COLOR_RGB2BGR) # 实现图片反色功能 def PointInvert(img): height, width = img.shape # 获取图片尺寸 for i in range(height): for j in range(width): pi = img[i, j] img[i, j] = 255 - pi return img # 主程序 if __name__ == "__main__": # 读取图像 img = cv2.imread('image.jpg', 0) # 以灰度模式读取 # 进行阈值操作 _, th = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY) # 边缘检测 edges = cv2.Canny(th, 30, 70) res = PointInvert(edges) # 颜色反转 # 轮廓检测 contours, hierarchy = cv2.findContours(th, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) cnt = contours[0] # 取出轮廓 x, y, w, h = cv2.boundingRect(cnt) # 用一个矩形将轮廓包围 # 绘制结果 img_gray = cv2.cvtColor(res, cv2.COLOR_GRAY2BGR) # 将灰度转化为彩色图片方便画图 cv2.line(img_gray, (x, y), (x + w, y), (0, 0, 255), 2, 5) # 上边缘 cv2.line(img_gray, (x, y + h), (x + w, y + h), (0, 0, 255), 2, 5) # 下边缘 img1 = cv2.imread('image.jpg') # 读取原图 img1[80:230, 90:230] = img_gray # 用带有上下轮廓的图替换掉原图的对应部分 # 显示宽度 res1 = ImgText_CN(img1, '宽度%d' % h, 25, 25, textColor=(0, 255, 0), textSize=30) # 绘制文字 cv2.imshow('original', res1) key = cv2.waitKey(0) if key == 27: # 按esc键时，关闭所有窗口 cv2.destroyAllWindows() ``` #### 五、总结通过以上步骤，我们可以有效地利用Python与OpenCV来测量图像中物体的宽度。这种方法不仅可以应用于简单的图像处理任务，还可以扩展到更复杂的计算机视觉项目中。希望本文能够帮助您更好地理解和应用计算机视觉技术。

OpenCV库提供了一些函数来进行图像尺寸的测量。其中最常用的是`cv::Size`结构体和`cv::getContours`函数结合使用。`cv::Size`表示一个二维尺寸，通常用于存储图像宽度和高度。例如，如果你有一个已经读取的图像，可以这样做： ```cpp cv::Mat img = cv::imread("image.jpg"); cv::Size imageSize = img.size(); // 获取图像的原始大小 ``` 如果需要从轮廓开始测量，你可以先通过边缘检测、轮廓提取等步骤获取到感兴趣区域的轮廓，然后计算轮廓的最大或最小边界框的尺寸。这需要用到`cv::boundingRect`或`cv::minAreaRect`函数： ```cpp std::vector<std::vector<cv::Point>> contours; // ... (这里进行轮廓提取) cv::Rect boundingBox = cv::boundingRect(contours[0]); // 获取第一个轮廓的边界框 cv::Size measuredSize = boundingBox.size(); // 获得尺寸 ```

阅读全文

OPencv尺寸测量函数

相关推荐

opencv三角测量一种代码实现

基于OpenCV工业测量

opencv尺寸测量python

python opencv 尺寸测量

python opencv尺寸测量

OpenCV图像处理函数详解

OpenCV尺寸测量如何标定

opencv 标定 测量尺寸

C# OpenCvSharp测量尺寸

c# opencvsharp测量尺寸

opencv双目测量物体尺寸

使用opencv实时测量物体尺寸

opencv实时测量尺寸并显示出来

opencv双目测量物体尺寸的代码

opencv 标定 测量

opencv 线宽测量

opencv怎么测量

opencv三角测量

opencv卡尺测量

最新推荐

OpenCV实现图像的直线检测

python小爬虫.zip

最全的JAVA设计模式，包含原理图解+代码实现.zip

前端协作项目：发布猜图游戏功能与待修复事项

管理建模和仿真的文件

【高斯信道信号编码优化】：4大方法优化Chirp信号编码过程

对给定图，实现图的深度优先遍历和广度优先遍历。以邻接表或邻接矩阵为存储结构，实现连通无向图的深度优先和广度优先遍历。以用户指定的结点为起点，分别输出每种遍历下的结点访问序列，并调试算法。使用C语言

Spring框架REST服务开发实践指南

"互动学习：行动中的多样性与论文攻读经历"

【Chirp信号检测算法精解】：掌握高效检测Chirp信号的5大关键步骤

opencv 标定测量尺寸

opencv 标定测量